张鑫磊，现任中国科学院力学研究所特别研究助理。2020年博士毕业于法国国立高等工艺学院，期间前往美国弗吉尼亚理工大学访学交流。2023年入选中国科协第八届青年人才托举工程。

张鑫磊的研究工作围绕数据驱动湍流建模方法展开，并关注该方法在湍流噪声、空化等复杂流体力学问题中的应用。在J. Fluid Mech., J. Comput. Phys., AIAA J.等专业权威期刊发表18篇SCI论文。主要创新成果包括：

1） 提出了基于贝叶斯理论的正则集合数据同化方法，针对湍流噪声源的反演问题，利用该方法成功地从观测数据反演得到了湍流声源的时间和空间积分尺度。

2） 提出了与雷诺平均方程耦合迭代的集合学习策略，针对湍流模型难以准确反映雷诺应力各向异性特征的问题，利用该策略构建了基于神经网络的代数雷诺应力模型，提高了各向异性特征明显的大分离湍流流动的预测精度。

3） 提出了基于边界层厚度修正的数据驱动空化湍流模型，针对空化的压缩性问题，揭示了经典空化压缩性修正的作用与局限，利用构建的湍流模型考虑了压缩性对边界层厚度影响，提高了边界层内雷诺切应力的预测精度。